Un algoritmo multi SOM migliorato

I metodi di clustering mirano a ottenere partizioni omogenee di oggetti promuovendo al contempo l'eterogeneità tra queste partizioni. Ogni approccio di clustering, come i metodi gerarchici, di partizionamento e neuronali, presenta vantaggi e limiti. Ci concentriamo sui metodi neuronali in quanto superano i limiti dei metodi gerarchici e di partizionamento e sono gli approcci di clustering più appropriati da utilizzare per un gran numero di dati. In questo lavoro, proponiamo un algoritmo multi-SOM che utilizza un criterio di valutazione diverso. È quindi necessaria una revisione delle misure di valutazione proposte in letteratura. Tuttavia, il metodo multi-SOM, insieme alla sua forza ed efficienza nella delimitazione dei cluster, presenta anche un limite nella condizione di arresto.